MLX-Audio 0.6.0: исправлены ошибки расшифровки на Mac

Что изменилось для расшифровки?

MLX-Audio — программа, которая запускает отдельные модели работы с речью на Mac с чипами Apple. При потоковой расшифровке текст появляется частями, а не только в конце обработки. Автор исправления показал, что раньше некоторые символы, например в японской записи, портились на стыке частей. Теперь программа собирает символ целиком, прежде чем показать его. Это описание исправления из проекта, не наш сравнительный тест. s2 s5

Ещё одно исправление касается Qwen3-ASR — модели, которая превращает речь в текст. Если первый фрагмент был тихим, ошибочно распознанный язык мог применяться ко всей записи и оставлять следующие части пустыми. В 0.6.0 автоматическое определение языка выполняется для каждого фрагмента отдельно, если пользователь не выбрал язык сам. Автор PR описал воспроизведение ошибки, но по одному примеру нельзя обещать результат на любой записи. s3

Почему изменились отметки времени?

Отметки времени связывают текст с моментом аудиозаписи. Для потоковой работы Qwen3-ASR прежние секунды у отдельных кусочков текста вычислялись приблизительно из процесса генерации, а не из реального положения слов в звуке. Теперь такие текстовые кусочки остаются без точного времени; границы крупных аудиофрагментов сохраняются. Если нужны секунды для каждого слова или субтитров, потребуется отдельное выравнивание текста с аудио. Для разработчиков это изменение формата результата: поле времени у текстового фрагмента может быть пустым (null). s6

Релиз также перечисляет поддержку дополнительных речевых моделей, в том числе Granite Speech 4.1 Plus и Phonon-2, и передачу пользовательского запроса в серверном интерфейсе для моделей, которые его принимают. Это возможности программы, а не утверждение, что веса этих моделей входят в пакет или имеют одну лицензию. s1 s7

Нужно ли обновляться сейчас?

Если вы уже используете MLX-Audio на Mac с Apple Silicon и замечали пропуски после тишины или испорченные символы при выдаче текста частями, новая версия имеет прямое отношение к вашей задаче. Официальная документация указывает Python 3.10+ и Mac с чипом серии M. Для первого запуска нужна отдельно выбранная совместимая модель и её загрузка; минимальную память для неё из размера файлов мы не выводим. s4 s5

Код MLX-Audio опубликован под MIT, но права на веса каждой модели проверяются отдельно. Не принимайте автоматическую расшифровку за точную стенограмму: сверьте пропуски, имена и важные цифры с записью. Если вы не пользуетесь MLX-Audio, менять другой инструмент из-за этого релиза не требуется. s8

Следующий шаг: откройте официальный релиз 0.6.0, если обновляете существующую установку. Если хотите сначала понять возможности программы, посмотрите предыдущий выпуск MLX-Audio 0.5.9 или материал о поддержке Phonon-2. s1